Tiny Robotics データセットと継続的物体検出のベンチマーク

モバイルロボティクスにおける物体検出は、自律ナビゲーションから点検まで、多くの応用分野で重要です。しかし、ロボットはしばしば訓練された環境とは異なる領域で動作する必要があり、これらの変化に適応する必要があります。小型のモバイルロボットは、サイズ、電力、計算能力の制約を受けているため、これらのアルゴリズムを実行し、適応させる上でさらに困難に直面します。このような適応性は、ロボットが動的かつ予測不可能な設定で効果的に動作しなければならない実世界での展開において極めて重要です。本研究では、小型ロボットプラットフォームにおける物体検出システムの継続学習能力を評価する新しいベンチマークを導入します。我々の貢献は以下の通りです：(i) Tiny Robotics Object Detection (TiROD)：小型モバイルロボットの搭載カメラを使用して収集した包括的なデータセットで、さまざまな領域とクラスでの物体検出器のテストに設計されています；(ii) このデータセット上でのNanoDet（軽量な物体検出器）を使用した異なる継続学習戦略のベンチマーク。我々の結果は、小型ロボティクスにおける堅牢かつ効率的な継続学習戦略を開発する際の主要な課題を明らかにしています。